数字货币:许聪说币:比特币, 数字货币的量化投资行业(—)

数字货币量化投资行业量化投资与数字货币市场应用量化投资方法在数字货币市场进行投资是近年来常见的模式,数字货币市场波动大、7*24小时连续交易、定价偏离机会多和交易所做市需求等特点是量化交易天然存在的土壤。许多传统量化机构已经入场,但是受限于数字货币市场特性、规模以及相应的基础设施不够完善,盈利可持续性比较强的量化策略规模仍较小。大部分策略都可以在数字货币市场进行应用,数字货币市场也存在自己特色的套利方法。被动管理和指数增强型在传统市场渐渐兴起,数字货币交易可以借鉴其思想。此外我们这里简要分类了数字货币量化投资所面临的风险以及一个成熟量化策略需要的风控手段,并列举了量化交易平台所需要的基础设施和必备模块。此外评估一个量化团队实力需要从多方面入手,策略层面一般属于高度机密,可以从团队背景、架构、风控和合规、各类指标等层面进行动态审视。数字货币量化投资的基础设施还不够完善,纯技术/平台提供方预计会有较好的风险收益比。预计数字货币量化投资前景较好,原因包括衍生工具会不断成熟、市值提升、传统量化团队涌入以及高波动性将持续等方面。量化投资的兴起量化投资的兴起和数理金融学发展密不可分,美国经济学家Markowitz在20世纪五十年代建立的均值-方差模型可以说是量化投资的开端,随后在60年代,WilliamSharpe等四人在现代投资组合理论的基础上上发展出了资本市场定价模型,成为度量金融风险和收益的基本模型。另一个值得注意的方向是是Fama等人在60年代发展起来的有效市场假说,影响力持续至今。此外Fama和French在90年代还发展出了三因子模型,成为后来因子分析模式的开端。随着衍生产品的不断发展,在上个世纪70年代美国经济学家Black和Scholes建立了期权定价模型,又迅速地应用于金融市场,帮助金融衍生产品迅速的发展,反过来推动金融数学理论往前推进了一大步。80年代,“金融工程”这个概念被提出,形成新的学科形态并开始广泛吸收和研究相关成果。90年代最重要的进展是金融风险管理方向,VaR风险管理模型被广泛使用,已经被全球金融机构所广泛使用,是最重要的风险度量矩阵之一。中国的量化投资历史不长,也只发展了短短10年左右时间,和海外量化人才回归以及衍生品市场开始起步的时间点有关。在过去十年,和量化基金同时发展的还有被动投资。被动投资起初并不算做量化范畴,但是ETF产品的出现需要借助量化手段,特别是近几年出现的指数增强或者叫SmartBeta类产品,是基于原有指数基础上对各种影响因子进行分解,并重新配置资产,需要较强的量化平台支持。量化投资在美国市场已经成为不可忽视的力量,2018年量化对冲金规模已经占到所有对冲基金规模的1/3。而中国的公募基金里,只有大约1%为量化基金,偏股型基金里约5%为量化类型,这也和公募基金的投资限制有很大关系。而在私募基金行业中,量化类型的私募基金占比已经达到了20%,其中股票市场中性、CTA趋势和股票多空为使用最多的三类量化策略。数字货币市场适合量化投资策略数字货币市场的特性,非常适合量化策略的使用,原因在于:数字货币本身波动较传统金融市场产品大很多,适合多种卖出波动率的量化投资策略。市场发展比较早期,产品都很初步,比如期货、期权产品,流动性低、定价有效性差,出现错误定价的机会多,量化投资可以很好地捕捉其中的定价偏离机会。交易时间长,7*24小时交易,不适合人工盯盘和交易,而更有利于发挥量化系统在盯盘、预警和捕捉交易机会的优势。交易所也有做市需求。数字货币交易对繁多,而流动性难以匹配,大部分交易所都有流动性需求,也衍生出了做市商这一交易所生态的必备角色,这也是大部分量化团队赖以生存的手段之一。基于以上原因,大量的拥有传统金融优势的量化团队涌入数字货币市场,带来成熟的交易理念和系统,发掘交易机会。可以说量化交易策略的存在,使得数字货币市场的成熟化加快。数字货币市场应用量化投资也分成主动和被动类型,主动类型追求绝对收益,通过承担各类风险因子,从而追求在任何市况下都可以获得超额稳定收益的结构,数字货币的量化投资策略也大部分是以主动投资为主。被动投资量化策略主要是追求和各类指数相似的回报,承担的是大盘系统性风险以及各类细分行业或风格风险,以获得配置回报,近年来加入因子分析的指数增强型量化策略获得青睐,交易员可以增加某一类风险的暴露从而获得超越指数的回报。然而由于缺乏行业认可指数的存在,数字货币的被动量化投资非常少见,因此也是未来一个潜在的发力方向。下一篇讲述两大主要类型的策略和如何套取利益。如果你是潜在数字货币投资者或已经是标准投资者,没有时间分析行情、自己也不擅长分析,那么许聪将尽我所能去帮助你。问学必有师,讲习必有友。我是许聪,带你玩转币圈的领路人

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

[0:0ms0-10:627ms